廣東話 TTS 平台推薦：2026 年最值得試嘅粵語語音合成工具比較

一句答你：揀廣東話 TTS 平台，唔係睇邊個「最地道」，而係睇你嘅工作流係點——要 API 自動化、批量生成、情緒控制、SRT 字幕，定係只係網頁輸入聽一段？本地粵語平台同粵語原生 API 平台，定位完全唔同。

Key Takeaways

• 本地粵語平台（cantonese.ai、cantonesettsai.com、cantovoice.com 等）多以網頁介面為主，定位係「輸入文字、聽段聲」
• 粵語原生 API 平台（如 Canto-Gen）以 API 為主，定位係「嵌入你嘅工作流」，畀程式自動化
• 揀平台要睇四樣：API 與否、批量能力、聲線複製、情緒控制、SRT 字幕、用量成本
• 兩類平台可以互補：本地平台做單次試聽同短文，API 平台做量產同自動化
• 試用成本：API 平台通常有 sandbox key 或免費額度可以零成本試接
• 揀平台前先答一個問題：你係「一次性」定「持續性」需求？

咩叫「本地粵語平台」？同 API 平台有咩分別？

講「廣東話 TTS 平台推薦」之前，先要分清楚兩個完全唔同嘅定位。

本地粵語平台泛指一啲以粵語單一語言做主打嘅服務。佢哋嘅典型使用流程係：開瀏覽器、貼文字、撳生成、聽聲、下載音檔。常見例子有 cantonese.ai、cantonesettsai.com、cantovoice.com 等（觀察日期：2026-09）。呢類平台嘅強項係「即開即用」、介面直接、唔需要寫 code。對純文字工作者、學生、或者想試下「粵語 TTS 到底係咩聲」嘅人嚟講，係最易上手嘅入口。

粵語原生 API 平台（例如 Canto-Gen）嘅定位就完全唔同。佢哋唔主打網頁介面，而係以 HTTP API 做主要入口。開發者或者內容團隊可以將 TTS 直接嵌入自己嘅 app、影片剪輯流程、字幕工作流、自動化腳本入面。聲線、情緒、字幕輸出，全部用 JSON 參數控制。

簡單講：

• 本地粵語平台 = 消費品思維（我嚟用你嘅服務）
• 粵語原生 API 平台 = 基建思維（你嚟嵌入我嘅服務）

兩者唔係競爭關係，而係針對唔同場景。問題係：你嘅場景係邊個？想了解更宏觀嘅廣東話 TTS 圖，可以睇下廣東話 TTS 完全指南。

揀平台嘅四個關鍵問題

唔同平台嘅差異唔止係「介面定 API」，仲有更細嘅功能差異。問自己以下四個問題，可以快速收窄選擇。想了解完整嘅揀選準則，可以參考廣東話 TTS 選購指南。

問題一：你需唔需要 API？

如果你只係想將一段 500 字嘅文章轉成聲音、聽一次就算，網頁平台已經夠用。但如果你係 YouTube 頻道、Podcast、或者要日更 10 條短片，每條都要 1,000–2,000 字旁白，手動逐次貼文、撳生成、下載，肯定做唔嚟。

呢個時候你需要嘅係 API + 自動化腳本。API 平台嘅工作流係：寫一個小 script，讀取你嘅稿件文件，自動生成音檔，自動落番去剪輯軟件。整個過程唔需要人手干預。

問題二：你需唔需要批量？

批量（batch）係 API 平台嘅核心優勢之一。Canto-Gen 嘅批量 API 支援最多 25 個 request bodies 一次過提交，驗證係「全有或全無」——任何一項出錯成個 batch 唔會行。對內容團隊嚟講，呢個係「一次過生成 25 集旁白」嘅能力。

但要留意：批量（items）係專業／工作室 plan 專屬功能。免費或入門 plan 帶 items 會直接回 403 batch_requires_pro，零提交、零扣費。所以如果你嘅場景係批量，先要諗 plan 嘅選擇。詳細嘅批量工作流可以睇批量生成完整攻略。

問題三：你需唔需要聲線複製或者情緒控制？

聲線複製（voice clone）係畀你用一段參考音頻，「複制」出一個新嘅聲線，然後用呢個聲線去讀新嘅文字。對品牌方、Podcaster、有固定主播聲嘅團隊嚟講，呢個功能好重要——可以保持聲線一致性，唔使每次都靠真人錄。

情緒控制（emotion）就係控制生成出嚟嘅聲音情緒，例如開心、平靜、激動、嚴肅。對短片、廣告、遊戲配音嚟講，情緒係表達力嘅核心。詳細嘅情緒控制方法可以睇情緒控制攻略。

呢兩個功能喺唔同平台嘅支援差異好大。揀之前要明確列出「我需要邊啲」。

問題四：你需唔需要 SRT 字幕輸出？

如果你做 YouTube、短片、或者任何需要字幕嘅內容，SRT 字幕輸出係省時利器。一般做法係：TTS 生成音檔嘅同時，自動生成對應時間軸嘅 SRT 檔，直接 import 入剪輯軟件或者上載到 YouTube。

SRT 喺 Canto-Gen 嘅 API 入面係 srt=true 嘅 async 任務。留意：sync 捷徑（≤300 字符）唔支援 SRT，一定要行 async 軌。SRT 嘅完整工作流可以參考SRT 字幕工作流攻略。

場景對照：邊類工作適合邊類平台？

將常見嘅粵語 TTS 場景逐個對照，睇下邊類平台更啱：

場景一：學生／個人試聽

如果你只係想聽下「粵語 TTS 到底係咩聲」、或者將一段功課讀出嚟聽，本地粵語平台嘅網頁介面已經完全夠用。貼文字、撳掣、聽聲，唔需要任何技術知識。

呢個場景下，揀本地平台。API 平台對你嚟講 overkill。

場景二：YouTube 頻道日更

如果你日更 3–5 條 YouTube 短片，每條要 1,500 字左右旁白，你需要嘅係：

• API 自動化：寫 script 讀稿、生成、下載
• 批量：一次過生成幾條片嘅旁白
• 情緒控制：唔同類型嘅片用唔同情緒
• SRT 字幕：直接生成字幕檔

呢個場景下，揀 API 平台。本地平台嘅網頁介面做唔到呢個量。詳細嘅 YouTube 旁白工作流可以睇YouTube 粵語旁白 AI 攻略。

場景三：品牌方 Podcast

如果你做品牌 Podcast，需要固定主播聲，但真人主播唔係每次都有空，你需要嘅係：

• 聲線複製：用主播一段參考音頻複制聲線
• API 接入：將 TTS 嵌入 Podcast 製作流程
• 情緒控制：保持品牌調性一致

呢個場景下，揀有聲線複製嘅 API 平台。

場景四：短片配音（Reels／Shorts）

如果你做大量 30–60 秒短片，每條配音 100–300 字，你需要嘅係：

• 快速生成：sync 捷徑（≤300 字符）即時回 audio bytes
• 多聲線：唔同主題用唔同聲線
• 情緒控制：短片要搶眼，情緒要夠

呢個場景下，sync 模式嘅 API 平台最啱。短片配音嘅具體做法可以參考短片粵語配音攻略。

場景五：配音／配音替換

如果你做影片配音（dubbing），需要將原有對白替換成粵語，你需要嘅係：

• SRT 字幕：保留時間軸
• API 自動化：批量處理多段對白
• 聲線設計：根據角色揀聲線

呢個場景下，API 平台 + SRT 工作流係標準答案。完整嘅配音替換流程可以睇粵語配音替換攻略。

成本結構：按量 vs 包月

兩類平台嘅成本結構完全唔同。想了解更完整嘅定價分析，可以參考廣東話 TTS 定價攻略。

本地粵語平台通常以「按次收費」或者「月費包若干次」做定價。對低頻使用者嚟講，呢個模型簡單直接。

API 平台通常以「字符額度」做計量單位。Canto-Gen 嘅做法係：每月有字符配額，配額用完就完（冇超額收費），要加量就買字符包。字符包四檔同價 HK$0.80／1K 字符，最小包 HK$50 = 62.5K 字符。

舉個例：如果你每月做 10 條 YouTube 短片，每條 1,500 字（連標點符號），即係每月 15,000 字符。入門 plan（200,000 字符／月）已經完全夠用。

如果你做日更 5 條 Podcast，每集 3,000 字，即係每月約 450,000 字符。呢個量要揀專業 plan（600,000 字符／月）或者工作室 plan（1,400,000 字符／月）。

留意：付費方案配額係跟用戶自己嘅訂閱週期日重置（anniversary anchor），唔係月曆 1 號。所以「每月重置」嘅講法唔準確，對外講「每個帳單週期重置」。

仲有：API 同 playground 嘅用量係 1:1 共用。即係你用 playground 試聲嗰啲字符，同 API 生成嘅字符，係同一個配額池。對開發者嚟講，呢個設計好合理——唔需要分開計。

點樣由本地平台過渡去 API 工作流？

如果你已經用本地粵語平台一段時間，開始覺得「手動做唔嚟」，可以考慮以下過渡路徑：

第一步：試 sandbox key

Canto-Gen 嘅免費同入門 tier 可以開 sk_test_ sandbox key，限每日 20 個生成 call。呢個係零成本試接 API 嘅方法。寫一個簡單嘅 script，讀取一段文字，調用 API，聽下生成嘅聲音。如果聲線同質素啱用，先考慮升級。

留意：sandbox 嘅 20 call 係 per-account 計算，跨所有 keys 共享。即係你開 10 把 sandbox key 都係共享同一個 20 call 配額。快速上手可以跟住粵語 TTS API 快速上手做。

第二步：升級去付費 plan

如果 sandbox 試完覺得啱用，升級去入門或者專業 plan。升級之後，現有 sandbox key 即時自動變 full key（mode 由 plan 即時推導），唔需要重新開 key。

第三步：批量自動化

專業或者工作室 plan 開通之後，可以用批量 API（items 參數），一次過提交最多 25 個 request bodies。對內容團隊嚟講，呢個係「一次過生成一週嘅旁白」嘅能力。

第四步：加入 SRT、情緒、聲線複製

當基本工作流穩定之後，可以逐步加入：

• SRT 字幕輸出（srt=true async 任務）
• 情緒控制（emotion 參數）
• 聲線複製（需要 tts:clone scope）
• 聲線設計（design：gender + age）

每一步都係增量改進，唔需要一次過做晒。

揀平台嘅 checklist

總結一下，揀廣東話 TTS 平台嘅 checklist：

如果你嘅場景係「一次性」、「試下先」、「唔想學 API」，揀本地粵語平台。 如果你嘅場景係「持續性」、「自動化」、「嵌入工作流」，揀粵語原生 API 平台。

想睇更詳細嘅平台對比，可以參考廣東話 TTS 平台對比 2026。

常見問題 FAQ

問題一：本地粵語平台同 API 平台可以同時用嗎？

可以。兩者唔係互斥。好多團隊嘅做法係：用本地平台做「聲線試聽」（揀啱聲線先），再用 API 平台做「量產生成」（嵌入工作流）。呢個混合用法好常見。

問題二：API 平台對新手嚟講難唔難？

API 平台需要一定嘅技術基礎（HTTP、JSON、command line），但入門門檻比想像中低。Canto-Gen 提供完整嘅 OpenAPI 3.1 spec（/v1/openapi.json）同互動文件（/v1/docs），可以直接喺 browser 試 API。仲有快速上手文章可以跟住做。

問題三：聲線「最地道」係咪最重要？

唔係。地道只係其中一個維度。仲有 API、批量、情緒、SRT、成本，全部都要考慮。一個「最地道但冇 API」嘅平台，對需要自動化嘅團隊嚟講冇用。

問題四：點樣知道個平台啱唔啱我？

最直接嘅方法係試。Canto-Gen 嘅 sandbox key 每日 20 個生成 call，零成本試接 API。如果你嘅場景需要 API，sandbox 係最快嘅驗證方法。

問題五：API 平台會唔會好貴？

視乎用量。Canto-Gen 嘅入門 plan 有 200,000 字符（≈ 833 分鐘粵語音頻），對中小型內容團隊嚟講好夠用。如果用量再大，專業或者工作室 plan 嘅每千字符單價更低。

問題六：本地粵語平台會唔會被 API 平台取代？

短期內唔會。兩者針對唔同場景。學生、個人、低頻使用者仍然會用本地平台。但隨住內容生產自動化嘅趨勢，API 平台嘅市場會持續增長。

問題七：揀平台最常見嘅錯誤係咩？

最常見嘅錯誤係「只睇聲音」，忽略工作流。一個聲音好但冇 API 嘅平台，做唔到量產。一個有 API 但聲音唔啱你嘅平台，做唔出你想要嘅效果。兩者都要考慮。

[!CTA]

想親身試下粵語原生 API 平台？

開個免費帳戶拎 每月 5,000 字符額度，再開 sandbox key 每日免費試 20 次生成——零成本試接 API，睇下啱唔啱你嘅工作流。